1.一种基于结构感知的人脸遮挡检测方法，其特征在于：所述人脸遮挡检测方法包括以下步骤：步骤1将实数域上的m×n维的有遮挡的人脸图像y作为待检测的人脸图像，选取N个人脸图像的集合A＝{a1,a2,…,aN}作为训练样本，这里，ai为实数域上的m×n阶的不含遮挡的且在正常光照条件下采集到的人脸图像；

步骤2在恒等变换域I(·)中基于结构误差度量与聚类方法估计待检测人脸图像y的遮挡支撑s，得到sI，这里，I(·)为恒等变换算子：I(y)＝y，遮挡支撑s定义为集合{0,1}上的m×n阶矩阵，其中，s的第i行第j列元素为0，表示y的第i行第j列像素点未被遮挡，s的第i行第j列元素为1，表示y的第i行第j列像素点被遮挡；

步骤3在对数变换域log(·)中基于结构误差度量与聚类方法估计待检测人脸图像y的遮挡支撑s，得到slog，这里，log(·)为对数算子；

步骤4在对数-梯度模变换域log|▽|(·)中基于结构误差度量与聚类方法估计待检测人脸图像y的遮挡支撑s，得到 这里，log|▽|(·)为对数-梯度模算子：其中，| · | 为复数求模运算，▽(·)为图像梯度算子：其中，(1j)2＝-1表示虚数单位，hs为图像光滑滤波器的系数矩阵，hg为图像梯度滤波器的系数矩阵，符号*表示二维卷积，符号T表示矩阵或向量的转置；

步骤5在图像梯度方向变换域 中基于结构误差度量与聚类方法估计待检测人脸图像y的遮挡支撑s，得到 这里， 为图像梯度方向算子：imag(▽(y))表示复数▽(y)的虚部，real(▽(y))表示复数▽(y)的实部；

步骤6在拉普拉斯变换域 中基于结构误差度量与聚类方法估计待检测人脸图像y的遮挡支撑s，得到 这里， 为拉普拉斯算子： 为拉普拉斯滤波器的系数矩阵；

步骤7在差分激励变换域 中基于结构误差度量与聚类方法估计待检测人脸图像y的遮挡支撑s，得到 这里， 为差分激励算子：步骤8令 从S中选取最优的遮挡支撑的估计作为遮挡检测结果：

其中， 为遮挡支撑sf的边缘， 为形态学腐蚀算子，Λ为结构元素，||·||1为l1范数，定义为矩阵中所有元素的绝对值之和。

2.如权利要求1所述的基于结构感知的人脸遮挡检测方法，其特征在于：所述步骤2～步骤7中，在恒等变换域I(·)、对数变换域log(·)、对数-梯度模域变换域log|▽|(·)、在图像梯度方向变换域 拉普拉斯变换域 差分激励变换域 中的基于结构误差度量与聚类方法估计待检测人脸图像y的遮挡支撑s的过程如下：步骤a令f(·)为当前变换域的变换算子，计算待检测图像y和均值脸 在变换域f(·)中的绝对误差： 其中，均值脸 即算术平均值：步骤b将ef变换到CIM度量空间中，得到待检测图像y和均值脸 的结构误差：其中，σ为实常数，符号⊙定义为两个矩阵的点乘，即对于任意两个m×n维矩阵a和b，a⊙b定义为：a⊙b＝[aibi]i＝1,…,m；j＝1,…,n；

步骤c对 进行两类均值聚类，得到遮挡支撑s的初步估计： 这里， 为两类均值聚类算子；

步骤d对 进行图像形态学滤波，得到遮挡支撑的进一步估计： 这里，为形态学膨胀算子。